待验证50% 置信事实精确时间
循环状态空间模型（RSSM）由确定性循环路径（GRU）和随机路径（潜变量）组成：确定性状态h_t由前一时刻h_{t-1}与动作a_{t-1}通过RNN更新，随机状态z_t从由h_t参数化的先验分布中采样。这种混合设计兼顾了长程记忆与多模态不确定性表达。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证DreamerV3采用的RSSM（循环状态空间模型）由Danijar Hafner等人提出，将隐状态分解为确定性循环状态和随机隐变量74% 相似待验证Dreamer系列（Hafner等人，2019-2023）核心是循环状态空间模型（RSSM），通过重构观测学习表征，属于生成式方法67% 相似待验证SSM 通过随时间演化的隐藏状态 h_t = A·h_{t-1} + B·x_t 压缩历史信息，输出由 h_t 线性映射得到，单步解码计算量与序列长度无关，显存占用恒定。66% 相似待验证状态空间模型（SSM）把方向拉回固定大小的循环记忆，但使用不同的状态结构和更新规则65% 相似待验证状态空间模型（SSM）推理时内存占用和计算量均为O(1)，而Transformer的KV缓存随序列长度线性增长64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1011061API
curl https://kongchang.com/api/v1/knowledge/claims/1011061MCP
get_claim(id=1011061)